Lautan Informasi dalam Dunia Maritim Modern ~ Dalam dunia maritim modern, pelayaran bukan lagi sekadar aktivitas mengarungi samudra. Di balik layar, data dalam jumlah besar mengalir deras dari berbagai sensor yang terpasang pada kapal, pelabuhan, dan satelit. Tantangan besar muncul ketika data ini tidak hanya harus dikumpulkan, tetapi juga diproses dan dianalisis secara efisien agar keputusan dapat diambil secara cepat dan akurat. Di sinilah pentingnya teknologi pelacakan dan deteksi anomali kapal berbasis metode cerdas dan efisien. Crafting Fabric Futures: 30 DIY Wearable Materials
Pada tanggal 16 April 2025, di hadapan para akademisi dan penguji, Adiyasa Nurfalah, mahasiswa Program Studi Doktor Teknik Elektro dan Informatika dengan NIM 33221004, mempersembahkan disertasinya yang berjudul “Pengembangan Metode Pelacakan dan Deteksi Anomali Kapal Berbasis Clustering dan Fusi Data yang Efisien dalam Sistem Multi-Sensor dengan Pemrosesan Data Bervolume Besar.” Sidang ini menjadi tonggak penting dalam upaya ilmiah untuk menjawab tantangan besar dunia maritim berbasis data.
Didampingi oleh Promotor Prof. Dr. Ir. Sihono Harso Supangkat, M.Eng., dan Co-Promotor Dr.-Ing. Eueung Mulyana, M.Sc., Adiyasa membawa audiens menelusuri kompleksitas sistem pelacakan kapal, teknik deteksi anomali, hingga penerapan kecerdasan buatan dalam pemrosesan data yang bersumber dari sistem multi-sensor.
Mengapa Anomali Kapal Perlu Dideteksi?
Pelacakan kapal bukan hanya perkara melihat posisi terakhir sebuah kapal. Dalam praktiknya, sistem pelacakan yang canggih diperlukan untuk mencegah kegiatan ilegal seperti penangkapan ikan tanpa izin, penyelundupan, hingga pencemaran laut. Namun, data pelacakan yang sangat besar—baik dari AIS (Automatic Identification System), radar, citra satelit, hingga sonar—membuat proses deteksi menjadi rumit.
Anomali pada pergerakan kapal seringkali menjadi indikator awal dari aktivitas mencurigakan. Misalnya, kapal yang tiba-tiba mematikan transponder AIS-nya atau melakukan gerakan zig-zag tanpa pola jelas di tengah laut. Deteksi dini terhadap pola-pola anomali ini dapat menyelamatkan nyawa, menjaga ekosistem, dan menegakkan hukum laut.
Tantangan Sistem Multi-Sensor dalam Pelacakan Maritim
Sistem multi-sensor mengintegrasikan berbagai sumber informasi seperti data radar, AIS, citra optik, dan satelit inframerah. Namun, integrasi ini juga menghadirkan tantangan besar dalam skala data, heterogenitas format, serta kecepatan pembaruan data yang berbeda.
Data dari satu sensor bisa memperbarui posisi kapal tiap detik, sedangkan sensor lain memiliki jeda beberapa menit. Ini membuat sinkronisasi data menjadi tantangan tersendiri. Apalagi, data yang dikumpulkan bisa sangat besar—hingga terabyte per hari untuk wilayah pelayaran padat seperti Selat Malaka atau Laut Cina Selatan.
Metode Clustering dalam Mendeteksi Pola Gerakan
Untuk memecahkan kompleksitas ini, Adiyasa menggunakan pendekatan clustering, yaitu mengelompokkan data berdasarkan kemiripan karakteristik. Algoritma seperti DBSCAN (Density-Based Spatial Clustering of Applications with Noise) digunakan untuk mengenali kelompok pergerakan kapal yang seragam.
Kapal-kapal komersial, misalnya, biasanya mengikuti jalur yang serupa dan memiliki pola kecepatan yang stabil. Jika ada satu kapal yang keluar dari pola cluster ini, maka kemungkinan besar kapal tersebut melakukan aktivitas anomali.
Clustering tidak hanya membantu dalam pelacakan, tetapi juga menyaring outlier atau data yang mencurigakan untuk dianalisis lebih lanjut oleh sistem deteksi.
Fusi Data sebagai Kunci Integrasi Sensor
Konsep fusi data dalam disertasi ini sangat penting. Fusi data adalah proses menggabungkan informasi dari berbagai sensor untuk menghasilkan representasi yang lebih komprehensif. Adiyasa mengembangkan arsitektur fusi data berbasis hierarki, di mana data awal disaring pada tingkat sensor, kemudian digabung pada tingkat menengah, dan akhirnya dianalisis secara keseluruhan.
Dengan pendekatan ini, sistem tidak hanya bisa mempercepat deteksi, tetapi juga meningkatkan akurasi. Sebagai contoh, jika AIS menunjukkan kapal berhenti mendadak di area sensitif, dan citra satelit menunjukkan pergerakan kapal kecil menuju kapal tersebut, sistem dapat mengidentifikasi kemungkinan transaksi ilegal.
Efisiensi Pemrosesan Data Besar
Salah satu fokus utama disertasi ini adalah bagaimana menangani volume data yang sangat besar dengan efisien. Di sini, Adiyasa memanfaatkan teknologi pemrosesan paralel dan platform Big Data seperti Apache Spark untuk melakukan analisis secara real-time.
Penggunaan teknik pemrosesan terdistribusi membuat sistem tetap mampu melakukan analisis pada data streaming dari puluhan ribu kapal secara simultan. Sistem juga dilengkapi dengan caching layer untuk mempercepat akses data historis yang relevan dalam mendeteksi anomali saat ini.
Uji Coba dan Validasi Sistem
Dalam tahap eksperimen, Adiyasa menggunakan data simulasi dan data riil dari wilayah pelayaran Indonesia. Hasilnya menunjukkan bahwa sistem yang dikembangkan mampu meningkatkan deteksi anomali sebesar 37% dibandingkan metode konvensional berbasis aturan (rule-based systems).
Selain itu, efisiensi pemrosesan data meningkat hampir dua kali lipat ketika menggunakan arsitektur fusi data dan clustering paralel. Sistem juga berhasil mengidentifikasi pola anomali pada beberapa kasus nyata, seperti kapal yang melakukan penangkapan ikan ilegal di perairan Natuna.
Kontribusi Ilmiah dan Potensi Implementasi
Kontribusi disertasi ini tidak hanya bersifat teoretis, tetapi juga praktis. Dalam dunia nyata, sistem ini dapat diintegrasikan dalam pusat komando maritim nasional, serta dapat digunakan oleh Badan Keamanan Laut, Kementerian Perhubungan, maupun nelayan lokal yang ingin mengetahui keamanan wilayah tangkap mereka.
Secara ilmiah, Adiyasa memperkaya literatur dalam bidang data science, sistem cerdas, dan maritim digital dengan pendekatan multi-layer clustering dan fusi data dinamis dalam skenario multi-sensor.
Sidang yang Penuh Antusiasme dan Harapan
Dalam sidang terbuka yang berlangsung di kampus Teknik Elektro dan Informatika, Adiyasa menjelaskan temuannya dengan penuh semangat. Dengan gaya penyampaian yang lugas, dia mampu membawa audiens memahami kompleksitas teknis dengan bahasa yang bisa dipahami oleh lintas disiplin.
Promotor dan Co-Promotor menyampaikan apresiasi atas kerja keras dan kontribusi ilmiah yang sangat relevan dengan tantangan nyata di Indonesia, yang merupakan negara kepulauan terbesar di dunia.
Refleksi dan Masa Depan Riset Maritim Digital
Disertasi ini menjadi contoh bahwa penelitian doktoral bisa berkontribusi langsung pada isu strategis nasional. Adiyasa berharap, ke depan, sistem yang ia kembangkan bisa dijadikan fondasi bagi sistem pertahanan maritim cerdas yang berbasis teknologi lokal.
Pengembangan selanjutnya akan melibatkan penggunaan AI lebih dalam, termasuk model deep learning untuk mengenali pola pergerakan kapal yang sangat kompleks, serta kolaborasi dengan berbagai lembaga seperti TNI AL, BMKG, dan LAPAN.
Menyatukan Lautan Data Demi Lautan yang Aman
Laut bukan hanya ruang geografis, tetapi juga ladang informasi yang harus dijaga dan dikelola. Dengan menyatukan kecanggihan clustering, fusi data, dan pemrosesan big data, Adiyasa Nurfalah membuktikan bahwa solusi teknologi tinggi dapat dilahirkan dari semangat riset yang kuat dan visi akan masa depan yang lebih aman.
Sidang disertasinya bukan hanya ujian akademik, melainkan tonggak penting dalam mendorong kemajuan teknologi maritim Indonesia.
